Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Cải tiến hệ thống phân bổ nhiệm vụ trong VM cho trung tâm dữ liệu đám mây bằng cách sử dụng thuật toán dơi đã được chỉnh sửa
Tóm tắt
Kể từ khi ra đời, điện toán đám mây đã biến đổi mạnh mẽ cuộc sống của chúng ta bằng cách kết nối toàn thế giới thông qua các tài nguyên tính toán chia sẻ trên internet. Đại dịch COVID-19 cũng đã làm gián đoạn việc học tập và kinh doanh truyền thống, dẫn chúng ta đến một kỷ nguyên của các hoạt động dựa trên đám mây. Máy ảo là một trong những yếu tố chính của ảo hóa trong điện toán đám mây, đại diện cho máy chủ vật lý dưới dạng máy ảo. Việc sử dụng các máy ảo này là rất quan trọng để đạt được cơ chế lên lịch công việc hiệu quả trong môi trường đám mây. Bài báo này tập trung vào việc cải thiện hệ thống phân phối nhiệm vụ trong VM cho điện toán đám mây bằng cách sử dụng kỹ thuật cân bằng tải. Vì lý do đó, đã có sự điều chỉnh tại giá trị hàm fitness của thuật toán Bướm mà phần này được sử dụng trong phần cân bằng tải. Khi các vòng lặp của thuật toán hoàn thành, thì thời gian phân phối nhiệm vụ giữa các máy ảo khác nhau sẽ được điều chỉnh. Sự điều chỉnh thứ hai diễn ra trong quy trình tìm kiếm của Bat tại phần chiều. Thuật toán được đề xuất được biết đến với tên gọi là thuật toán Bat đã được chỉnh sửa. Bốn tham số được sử dụng để kiểm tra hiệu suất của hệ thống, bao gồm thông lượng, thời gian hoàn thành, mức độ mất cân bằng và thời gian xử lý. Thuật toán được đề xuất cung cấp kết quả hiệu quả khi so sánh với các kỹ thuật tiêu chuẩn khác. Do đó, thuật toán được đề xuất đã cải thiện độ chính xác và hiệu quả của trung tâm dữ liệu đám mây.
Từ khóa
#điện toán đám mây #máy ảo #thuật toán Bướm #phân bổ nhiệm vụ #cân bằng tảiTài liệu tham khảo
Abdhullah SS, Jyoti K, Sharma S, Pandey US (2016, March) Review of recent load balancing techniques in cloud computing and BAT algorithm variants. In: 2016 3rd international conference on computing for sustainable global development (INDIACom). IEEE. p 2428-2431
Adhikari M, Nandy S, Amgoth T (2019) Meta heuristic-based task deployment mechanism for load balancing in IaaS cloud. J Netw Comput Appl 128:64–77
Afzal S, Kavitha G (2019) Load balancing in cloud computing–a hierarchical taxonomical classification. J Cloud Comput 8(1):1–24
Alam T, Ullah A, Benaida M (2022) Deep reinforcement learning approach for computation offloading in blockchain-enabled communications systems. J Ambient Intell Human Comput https://doi.org/10.1007/s12652-021-03663-2
Alihodzic A, Tuba M (2014) Improved bat algorithm applied to multilevel image thresholding. Sci World J 2014:1–16
Cai X, Gao XZ, Xue Y (2016) Improved bat algorithm with optimal forage strategy and random disturbance strategy. Int J Bio-Inspired Comput 8(4):205–214
Chaudhury KS (2021) A particle swarm and ant Colony optimization based load balancing and virtual machine scheduling algorithm for cloud computing environment. Turk J Comput Math Educ (TURCOMAT) 12(11):3885–3898
Cheng TCE, Kovalyov MY (2001) Single machine batch scheduling with sequential job processing. IIE Trans 33(5):413–420
Cho KM, Tsai PW, Tsai CW, Yang CS (2015) A hybrid meta-heuristic algorithm for VM scheduling with load balancing in cloud computing. Neural Comput & Applic 26(6):1297–1309
Cui Y, Zhao Z, Ma Y, Dong S (2019) Resource allocation algorithm design of high quality of service based on chaotic neural network in wireless communication technology. Clust Comput 22(5):11005–11017
Dong S, Jain R (2020) Energy-efficient scheme based on user task characteristic in virtual cloud platform. Clust Comput 23(2):1125–1135
Mondal B, Dasgupta K, Dutta P (2012) Load balancing in cloud computing using stochastic hill climbing-a soft computing approach. Procedia Technology 4:783–789
Huang HC (2016) Fusion of modified bat algorithm soft computing and dynamic model hard computing to online self-adaptive fuzzy control of autonomous mobile robots. IEEE Trans Ind Inform 12(3):972–979
Jian C, Chen J, Ping J, Zhang M (2019) An improved chaotic bat swarm scheduling learning model on edge computing. IEEE Access 7:58602–58610
Kaur A, Kaur B, Singh D (2019) Meta-heuristic based framework for workflow load balancing in cloud environment. Int J Inf Technol 11(1):119–125
Kaur T, Saini BS, Gupta S (2019) An adaptive fuzzy K-nearest neighbor approach for MR brain tumor image classification using parameter free bat optimization algorithm. Multimed Tools Appl 78(15):21853–21890
Kavousi-Fard A, Niknam T, Fotuhi-Firuzabad M (2015) A novel stochastic framework based on cloud theory and $\theta $-modified bat algorithm to solve the distribution feeder reconfiguration. IEEE Trans Smart Grid 7(2):740–750
Khooban MH, Niknam T (2015) A new intelligent online fuzzy tuning approach for multi-area load frequency control: self adaptive modified bat algorithm. Int J Electr Power Energy Syst 71:254–261
Kintsakis AM, Psomopoulos FE, Symeonidis AL, Mitkas PA (2017) Hermes: seamless delivery of containerized bioinformatics workflows in hybrid cloud (HTC) environments. SoftwareX 6:217–224
Lin W, Peng G, Bian X, Xu S, Chang V, Li Y (2019) Scheduling algorithms for heterogeneous cloud environment: main resource load balancing algorithm and time balancing algorithm. J Grid Comput 17(4):699–726
Meijer C, Grootes MW, Koma Z, Dzigan Y, Gonçalves R, Andela B, van den Oord G, Ranguelova E, Renaud N, Kissling WD (2020) Laserchicken—a tool for distributed feature calculation from massive LiDAR point cloud datasets. SoftwareX 12:100626
Mishra SK, Sahoo B, Parida PP (2020) Load balancing in cloud computing: a big picture. J King Saud Univ-Comput Inf Sci 32(2):149–158
Negi S, Rauthan MMS, Vaisla KS, Panwar N (2021) CMODLB: an efficient load balancing approach in cloud computing environment. J Supercomput 77:1–53
Ouhame S, Hadi Y, Arifullah A (2020) A hybrid grey wolf optimizer and artificial bee colony algorithm used for improvement in resource allocation system for cloud technology
Ouhame S, Hadi Y, Ullah A (2021) An efficient forecasting approach for resource utilization in cloud data center using CNN-LSTM model. Neural Comput Appl 33:1–13
Pérez J, Valdez F, Castillo O (2015, May) Modification of the bat algorithm using fuzzy logic for dynamical parameter adaptation. In 2015 IEEE congress on evolutionary computation (CEC). IEEE p 464-471
Pérez J, Valdez F, Castillo O (2017) Modification of the bat algorithm using type-2 fuzzy logic for dynamical parameter adaptation. In: Nature-inspired design of hybrid intelligent systems. Springer, Cham, pp 343–355
Powers C, Bassman L, Linker TM, Nomura KI, Gulania S, Kalia RK, Nakano A, Vashishta P (2021) MISTIQS: an open-source software for performing quantum dynamics simulations on quantum computers. SoftwareX 14:100696
Priya V, Kumar CS, Kannan R (2019) Resource scheduling algorithm with load balancing for cloud service provisioning. Appl Soft Comput 76:416–424
Sharma S, Luhach AK, Sinha SA (2016) An optimal load balancing technique for cloud computing environment using bat algorithm. Indian J Sci Technol 9(28):1–4
Srivastava P, Shukla A, Bansal A (2021) A comprehensive review on soil classification using deep learning and computer vision techniques. Multimed Tools Appl 80:1–28
Tripathi D, Edla DR, Kuppili V, Dharavath R (2020) Binary BAT algorithm and RBFN based hybrid credit scoring model. Multimed Tools Appl 79(43):31889–31912
Ullah A (2019) Artificial bee colony algorithm used for load balancing in cloud computing. IAES Int J Artif Intell 8(2):156
Ullah A, Nawi NM (2020) Enhancing the dynamic load balancing technique for cloud computing using HBATAABC algorithm. Int J Model Simul Sci Comput 11(05):2050041
Ullah A, Nawi NM (2021) An improved in tasks allocation system for virtual machines in cloud computing using HBAC algorithm. J Ambient Intell Human Comput https://doi.org/10.1007/s12652-021-03496-z
Ullah A, Nawi NM, Khan MH (2020) BAT algorithm used for load balancing purpose in cloud computing: an overview. Int J High Performa Comput Netw 16(1):43–54
Xu M, Tian W, Buyya R (2017) A survey on load balancing algorithms for virtual machines placement in cloud computing. Concurr Comput Pract Exp 29(12):e4123
Yue X, Zhang H (2020) Modified hybrid bat algorithm with genetic crossover operation and smart inertia weight for multilevel image segmentation. Appl Soft Comput 90:106157
Yue S, Zhang H (2021) A hybrid grasshopper optimization algorithm with bat algorithm for global optimization. Multimed Tools Appl 80(3):3863–3884